冰湖溃决不仅对财产和基础设施具有破坏性，而且对当地居民也构成极大威胁。冰湖溃决的预测和风险评估对于预防和减轻灾害影响至关重要。文中提出了一个冰湖溃决的预测模型，强调选取容易获得的预测因子。以喜马拉雅山地区的48个冰湖为样本，使用地理探测器检测4个选定的预测因子：母冰川面积、冰舌坡度、冰湖面积和坝顶宽度。结果显示：冰舌坡度q值最大，为0.334 2。在交互作用检测器中，母冰川面积和冰舌坡度在交互作用后有最高的解释力，为0.684 4。这表明：与冰湖和冰碛坝相比，母冰川对冰湖状态的影响更大。在利用SVM(Support Vector Machine，支持向量机)构建的冰湖溃决预测模型中，验证集和测试集的准确率分别为83.33%和87.5%。研究为喜马拉雅地区未来的灾害管理提供了相应参考。
冰湖溃决不仅对财产和基础设施具有破坏性，而且对当地居民也构成极大威胁。冰湖溃决的预测和风险评估对于预防和减轻灾害影响至关重要。文中提出了一个冰湖溃决的预测模型，强调选取容易获得的预测因子。以喜马拉雅山地区的48个冰湖为样本，使用地理探测器检测4个选定的预测因子：母冰川面积、冰舌坡度、冰湖面积和坝顶宽度。结果显示：冰舌坡度q值最大，为0.334 2。在交互作用检测器中，母冰川面积和冰舌坡度在交互作用后有最高的解释力，为0.684 4。这表明：与冰湖和冰碛坝相比，母冰川对冰湖状态的影响更大。在利用SVM(Support Vector Machine，支持向量机)构建的冰湖溃决预测模型中，验证集和测试集的准确率分别为83.33%和87.5%。研究为喜马拉雅地区未来的灾害管理提供了相应参考。
冰湖溃决不仅对财产和基础设施具有破坏性，而且对当地居民也构成极大威胁。冰湖溃决的预测和风险评估对于预防和减轻灾害影响至关重要。文中提出了一个冰湖溃决的预测模型，强调选取容易获得的预测因子。以喜马拉雅山地区的48个冰湖为样本，使用地理探测器检测4个选定的预测因子：母冰川面积、冰舌坡度、冰湖面积和坝顶宽度。结果显示：冰舌坡度q值最大，为0.334 2。在交互作用检测器中，母冰川面积和冰舌坡度在交互作用后有最高的解释力，为0.684 4。这表明：与冰湖和冰碛坝相比，母冰川对冰湖状态的影响更大。在利用SVM(Support Vector Machine，支持向量机)构建的冰湖溃决预测模型中，验证集和测试集的准确率分别为83.33%和87.5%。研究为喜马拉雅地区未来的灾害管理提供了相应参考。